プラント操業では一般に、膨大な量の構造化および非構造化データの双方が生成されるにも関わらず、プラント・エンジニアが、的確なプロセス操業の決定を下すために使えるデータは、これらのデータのほんのわずかな部分に過ぎない。プラント・システムからのほとんどのプロセス・データは、オンラインやオフラインのプロセス・ヒストリアン履歴に蓄積されている。プロセス・ヒストリアン・ツールを利用するのは比較的簡単であるが、データを分析するとかクエリを検索するのに最適ではない。正しいヒストリアン・タグを見つけ出し、プロセス文脈を構造化することは、時間がかかり骨の折れる仕事になりかねない。
プロセスのパフォーマンスを改善するためには、操業インテリジェンスの一定のレベルとデータの理解力が必要である。プロセス・エンジニアと他の関係者は、特定の時間軸上で時系列データを検索でき、全ての関連するプラントの事象を素早く効率的に可視化できなければならない。これには、プロセス制御システム、ラボ・システムおよび他のプラント・システムによって生成された時系列データと、オペレータやエンジニアによって作られた通常の注釈や観察所見が含まれる。ヒストリアンの時系列データによって通常抱えることになる課題は、検索の仕組みや効果的に注釈を付ける能力を提供することができないことである。ヒストリアンからの構造化した時系列プロセス・データとオペレータやエンジニアによって取得されたデータの双方を結合することにより、ユーザは、連続やバッチ・プロセスで何が起こっているのか、もしくはこれから何が起きるのかをさらに精確に予測することができる。しかしながら、これには、通常多くの課題がある。
ここでは、ベルギーのトレンドマイナー（TrendMiner）が開発した産業用プロセス・データ分析と、独自の多次元検索機能のアプローチについて紹介する。（Peter Reynolds）